vandijklab/cell2sentence

解决的问题

Cell2Sentence (C2S) 解决了将大型语言模型 (LLM) 应用于单细胞转录组数据的困难。传统上，这些数据由 LLM 无法原生处理的表达向量组成。C2S 通过将这些向量转换为「细胞句子」（即按表达水平排序的基因名称序列）来解决此问题，使 LLM 能够将生物数据视为自然语言进行处理。

工作原理

该框架使用排序转换将基因表达向量转换为以空格分隔的基因名称（按表达量降序排列）。这使得 LLM（例如基于 Pythia 或 Gemma-2 架构的模型）能够对 scRNA-seq 数据进行建模。该系统支持下一个基因预测、细胞类型预测以及基于特定细胞类型的合成细胞生成。它还实现了转录组数据与文本数据（如论文摘要）的统一。

适用对象

此工具专为专注于单细胞分析和转录组学的计算生物学家和研究人员设计，他们希望利用最新的 LLM 架构进行生物学发现。

特点

• 可扩展架构：支持使用 Pythia 和 Gemma-2 构建高达 27B 参数的模型。
• 多任务能力：支持扰动预测、数据集摘要、聚类标注和生物学问答。
• 全面的模型库：提供用于细胞类型预测、条件细胞生成和多样化多细胞任务的预训练模型。
• 灵活的工作流程：内置支持自定义提示模板和用于微调的多细胞提示格式化。